作为智能交通系统的关键部分,协同自适应巡航控制系统的研究近年来受到了广泛的关注。个性化辅助系统是在传统辅助控制基础上,融入驾驶员特征因素,进一步提高系统的使用率和接受程度。目前关于个性化协同自适应巡航控制系统的研究相对较少,本文从人机团队协调性角度出发,针对驾驶员跟车偏好与协同自适应巡航控制系统功能之间的协调方法展开研究。本文在车辆动力学、卡尔曼滤波理论和自适应动态规划理论的基础上针对其中两个关键技术:驾驶员跟车偏好估测学习和偏好协调优化控制进行了研究。在介绍了协同自适应巡航控制系统关键技术与国内外研究现状之后,对个性化协同自适应巡航控制系统进行了建模研究。建立了偏好学习与协调控制系统总体构架和装备协同自适应巡航控制系统车辆的纵向动态模型。针对驾驶员跟车过程中行驶状态变量采集存在毛刺和噪声,降低了估测学习精度的问题,基于卡尔曼滤波理论建立驾驶员跟车偏好自学习算法。定义稳定跟车状态,选取合适的驾驶员跟车模型建立卡尔曼滤波器中的状态方程,设计自学习算法流程。仿真试验表明所设计的自学习算法能够准确地估测驾驶员跟车偏好。针对驾驶员跟车偏好与协同自适应巡航控制系统功能之间的矛盾性,提出一种混合系数用来定义期望车头时距,在建立好的协同自适应巡航控制系统动态模型基础上加入协调控制模块。建立安全性、交通效率性、驾乘舒适性和燃油经济性等性能指标,设计多目标优化性能指标函数,并以此为基础设计监督式自适应动态规划控制器的核心网络,完成协调控制器的建立。通过实时优化混合系数,实现驾驶员偏好与协同自适应巡航控制系统功能之间的协调。对设计的协调控制器在Matlab软件环境下进行了建模仿真研究,仿真对算法有效性和自适应性进行了具体分析。通过和未含有协调模块的CACC系统对比,本文采用的协调控制方法能够使性能指标达到预期的约束范围,证明算法有效性较好;同时在驾驶员偏好改变的情况下,所设计协调控制算法自适应性较好。